論文の概要: Adjustable Spatio-Spectral Hyperspectral Image Compression Network

• arxiv url: http://arxiv.org/abs/2507.23447v1
• Date: Thu, 31 Jul 2025 11:26:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.623476
• Title: Adjustable Spatio-Spectral Hyperspectral Image Compression Network
• Title（参考訳）: 適応型スペクトルハイパースペクトル画像圧縮ネットワーク
• Authors: Martin Hermann Paul Fuchs, Behnood Rasti, Begüm Demir,
• Abstract要約: ハイパースペクトル画像圧縮ネットワーク(Hyperspectral Image Compression Network, HyCASS)は、スペクトル次元と空間次元の両方で調整可能なHSI圧縮のために設計された学習ベースモデルである。 HyCASSは、1)スペクトルエンコーダ、2)空間エンコーダ、3)圧縮比(CR)アダプタエンコーダ、4)CRアダプタデコーダ、5)空間デコーダの6つの主要モジュールから構成される。
• 参考スコア（独自算出の注目度）: 6.0163252984457145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid growth of hyperspectral data archives in remote sensing (RS), the need for efficient storage has become essential, driving significant attention toward learning-based hyperspectral image (HSI) compression. However, a comprehensive investigation of the individual and joint effects of spectral and spatial compression on learning-based HSI compression has not been thoroughly examined yet. Conducting such an analysis is crucial for understanding how the exploitation of spectral, spatial, and joint spatio-spectral redundancies affects HSI compression. To address this issue, we propose Adjustable Spatio-Spectral Hyperspectral Image Compression Network (HyCASS), a learning-based model designed for adjustable HSI compression in both spectral and spatial dimensions. HyCASS consists of six main modules: 1) spectral encoder; 2) spatial encoder; 3) compression ratio (CR) adapter encoder; 4) CR adapter decoder; 5) spatial decoder; and 6) spectral decoder module. The modules employ convolutional layers and transformer blocks to capture both short-range and long-range redundancies. Experimental results on two HSI benchmark datasets demonstrate the effectiveness of our proposed adjustable model compared to existing learning-based compression models. Based on our results, we establish a guideline for effectively balancing spectral and spatial compression across different CRs, taking into account the spatial resolution of the HSIs. Our code and pre-trained model weights are publicly available at https://git.tu-berlin.de/rsim/hycass .
• Abstract（参考訳）: リモートセンシング(RS)におけるハイパースペクトルデータアーカイブの急速な成長に伴い、効率的なストレージの必要性が不可欠となり、学習ベースハイパースペクトル画像(HSI)圧縮への注目が高まっている。 しかし, スペクトル圧縮と空間圧縮が学習に基づくHSI圧縮に与える影響について, 包括的・包括的検討は行われていない。 このような分析を行うことは、スペクトル、空間、および結合スペクトルの冗長性がHSI圧縮にどのように影響するかを理解するために重要である。 この問題に対処するため, スペクトル次元と空間次元の調整可能なHSI圧縮を目的とした学習モデルであるAdjustable Spatio-Spectral Hyperspectral Image Compression Network (HyCASS)を提案する。 HyCASSは6つの主要なモジュールから構成される。 1) スペクトルエンコーダ 2 空間エンコーダ 3)圧縮比(CR)アダプタエンコーダ 4) CRアダプタデコーダ 5)空間デコーダ,及び 6) スペクトルデコーダモジュール。 モジュールは畳み込み層と変圧器ブロックを使用し、短距離と長距離の両方の冗長性を捕捉する。 2つのHSIベンチマークデータセットの実験結果は、既存の学習ベース圧縮モデルと比較して、提案した調整可能なモデルの有効性を示す。 本結果に基づいて,HSIの空間分解能を考慮したスペクトル圧縮と空間圧縮の効率よくバランスをとるためのガイドラインを構築した。 私たちのコードと事前訓練されたモデルウェイトはhttps://git.tu-berlin.de/rsim/hycass.orgで公開されています。

関連論文リスト

• HyCoT: A Transformer-Based Autoencoder for Hyperspectral Image Compression [6.0163252984457145]
  ハイパースペクトル圧縮変換器 (Hyperspectral Compression Transformer, HyCoT) は、画素ワイドHSI圧縮のためのトランスフォーマーベースのオートエンコーダである。 HySpecNet-11kデータセットの実験結果は、HyCoTがPSNRの1dBを超える圧縮比で芸術の状態を超越していることを示している。
  論文  参考訳（メタデータ） (2024-08-16T12:27:46Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Generative Adversarial Networks for Spatio-Spectral Compression of Hyperspectral Images [5.1333521217181755]
  ハイパースペクトル画像(HSI)の圧縮のためのディープラーニングモデル 圧縮HSIにおける3DSSC(HiFiC_3D$)を用いたHiFiCブロックとHiFiCブロック(HiFi_CSE$)の2つの新しいモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-15T10:23:14Z)
• Learned Video Compression via Heterogeneous Deformable Compensation Network [78.72508633457392]
  不安定な圧縮性能の問題に対処するために,不均一変形補償戦略(HDCVC)を用いた学習ビデオ圧縮フレームワークを提案する。 より具体的には、提案アルゴリズムは隣接する2つのフレームから特徴を抽出し、コンテンツ近傍の不均一な変形(HetDeform)カーネルオフセットを推定する。 実験結果から,HDCVCは最近の最先端の学習ビデオ圧縮手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-07-11T02:31:31Z)
• Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral Compressive Imaging [142.11622043078867]
  圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。 HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
  論文  参考訳（メタデータ） (2022-05-20T11:37:44Z)
• Towards Compact CNNs via Collaborative Compression [166.86915086497433]
  チャネルプルーニングとテンソル分解を結合してCNNモデルを圧縮する協調圧縮方式を提案する。 52.9%のFLOPを削減し、ResNet-50で48.4%のパラメータを削除しました。
  論文  参考訳（メタデータ） (2021-05-24T12:07:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。